1.1 表1.1中若只包含编号为1和4的两个样例，试给出相应的版本空间
版本空间是与训练集一致的假设集合
由于正例只有1个，那么正例的假设有很多特征是不确定的
版本空间
=（色泽=青绿；根蒂=蜷缩；敲声=浊响）
+（色泽=*；根蒂=蜷缩；敲声=浊响）+（色泽=青绿；根蒂=*；敲声=浊响）+（色泽=青绿；根蒂=蜷缩；敲声=*）
+（色泽=青绿；根蒂=*；敲声=*）+（色泽=*；根蒂=蜷缩；敲声=*）+（色泽=*；根蒂=*；敲声=蜷缩）
+（色泽=*；根蒂=*；敲声=*）
1.2 若使用最多包含k个合取式的析合范式来表达1.1西瓜分类问题的假设空间，试估算共有多少种可能的假设。
色泽={青绿，乌黑}，2个
根蒂={蜷缩，硬挺，稍蜷}，3个
敲声={浊响，清脆，沉闷}，3个
不带任何*：2*3*3 = 18
带一个*：1*3*3 + 2*1*3 + 2*3*1= 21
带两个*：2 + 3 + 3 = 8
全是*： 1
总计： 18 + 21 + 8 + 1 + 1个空值 = 49
1.3 若数据包含噪声，则假设空间中有可能不存在与所有训练样本都一致的假设。在此情形下，试设计一种归纳偏好用于假设选择。
机器学习算法在学习过程中对某种类型假设的偏好，成为“归纳偏好”。
数据包含噪声，意味着模型需要更强的泛化能力，此时模型需要更强的复杂度的惩罚项。
